сть, враховуваті при екологічному та техніко-економічному оцінюванні техногенно-трансформованості грунтів.
Багатьма науковця запропоновано кілька методичних підходів до оцінювання екологічного стану через КОЕФІЦІЄНТИ, альо УСІ смороду залежався від повнотіла аналітично го матеріалу, Який характерізує ступінь геохімічної вівченості тої чи Іншої территории. Чім больше аналізів грунтів, води, Повітря, рослінності ми маємо, тим точніше Можемо оцініті екологічний стан ландшафту. Процес екологічного оцінювання современного екологічного стану завершується складання цілого комплексу комп ютерних (Електрон) еколого-техногеохімічніх карт як за окрем компонентами довкілля и окрем елементами-забруднювачамі, так и сінтетічної (інтегральної) карти. Серед Показників такого оцінювання віділяють КОЕФІЦІЄНТИ концентрації або аномальності хімічніх ЕЛЕМЕНТІВ, кларки концентрації, сумарні показатели забруднення и т. д. середній вміст ЕЛЕМЕНТІВ у земній корі (літосфері) назівають кларком. Альо в шкірному регіоні, перелогових від геологічної Будови, типом грунтів, географічної зональності та других чінніків, будут свои, характерні Тільки для цього регіону, середні вмісті того чі Іншого елемента. Такий середній вміст назівають регіональнім фоном. ВІН может буті більшім за кларк, а може буті и меншим.
Таким чином, Тільки ті вмісті ЕЛЕМЕНТІВ, Які перевіщують кларк, а потім и фон, могут буті аномальними, а, значить, и шкідлівімі для нормального развития геоекосистем.
аномально вміст Речовини у грунті візначають за формулою [7]
В
де: - середній вміст того чи Іншого елементами у земній корі (кларк),
- середній вміст елемента у грунті (регіональний фон елемента).
тоб, щоб елемент вважався аномально, звітність,, щоб его вміст відповідав умові
Сі> Cк + Сф
У формулу (1.5) входити невідома величина - вміст Певного елемента у грунті для даної территории. Для визначення значень у будь-якій точці Вибраного району звітність, Отримані результати ДОСЛІДЖЕНЬ апроксімуваті ПЄВНЄВ математичность залежністю
В
де Х и Y-координати точок відбору проб.
аналіз існуючіх способів апроксімації - методу найменшого квадратів [17], групового врахування аргументів [21] та за помощью нейромереж [30] показавши, что найбільшої уваги заслуговує способ функціонального набліження до (1.6) з використаних Теорії нейромереж .
У загально випадка сформованому задачу (1.6) можна звесті до реалізації Деяк складного функціонального багатомірного Перетворення. У результаті відображення звітність, Забезпечити ним Формування адекватних вихідних сігналів відповідно до всіх прікладів навчальної Вибірки и Зі всіма можливіть вхіднімі сигналами, Які НЕ ввійшлі до навчальної Вибірки. Друга Умова однозначно ускладнює Формування навчальної Вибірки. У загально випадка ця завдання не розв язана, альо в шкірному конкретному випадка можна найти ее частковий Вирішення.
У Основі розв язку задачі функціонального набліження (1.6) лежить теорема Хехт-Нільсена, яка доводити можлівість апроксімації експериментальних даніх функцією багатьох змінніх Достатньо Загальний вигляд помощью двошарової нейромережі з пряму ПОВНЕ зв язкамі. Така мережа має n нейронів у вхідному шарі, 2n +1 нейрон в ПРИХОВАНЕ шарі з наперед відомімі функціямі актівації (Наприклад, сігмоідальнімі) i m нейронів у віхідному шарі з невідомімі функціямі актівації.
Ця теорема є неконструктивними, оскількі вона візначає Тільки представлення будь-якої багатовімірної Функції кількох змінніх помощью нейромережі фіксованого розміру. Невідомімі залішаються характеристики Функції актівації прихованого кулі та вид Функції актівації нейронів віхідного кулі. p align="justify"> На практіці вимоги теореми Хехт-Нільсена до функцій актівації задовольняють таким чином. У нейронах прихованого кулі Використовують сігмоідальні Функції, а для нейронів віхідного кулі вібірають лінійні Функції актівації. У процесі навчання індивідуально для шкірного нейрона візначають его параметри. p align="justify"> На рис. 1.2 показано нейромереж для функціонального набліження до залежності (1.6). br/>В
Малюнок 1.2 - Схема нейромережі для апроксімації залежності (1.6)
Основною ськладової нейромережі є нейрон, Який має таку математичну модель:
В
де - вага (weight) синапсу; Sі - кількість нейронів в і-того шарі; - вхідній сигнал r-го нейрона; - значення зміщення (bias).
Зміщення подібне до ваги синапсу, альо має...